Datasets

A continuación se muestra información sobre conjuntos de datos textuales en español creados con el objetivo de resolver tareas de PLN. En este caso, se trata de colecciones de textos, generalmente enriquecidas con anotaciones.
Filtrar por
Año

  • HOMO-LAT-2025

    Social
    Español (Argentina) , Español (Bolivia) , Español (Chile) , Español (Colombia) , Español (Dominican Republic) , Español (Mexico) , Español (Peru) , Español (Uruguay)
    Publicado en 2025
    7,100
    7100.00MB
    detección de odio

  • XC-Translate-2025-en-es

    Diversos
    Español , Inglés , Árabe , Alemán , Francés , Italiano , Coreano , Chino
    Publicado en 2025
    6,148
    Pares de oraciones
    traducción automática

  • Mu-SHROOM-2025-es

    Diversos
    Español , Inglés , Árabe , Alemán , Farsi , Francés , Hindi , Italiano , Sueco , Chino
    Publicado en 2025
    200
    Wikipedia
    generación de texto, factuality

  • The EA-MT dataset

    Español , Inglés , Árabe , Alemán , Francés , Italiano , Coreano , Chino
    Publicado en 2025
    57611.00MB
    traducción automática

  • MultiParaDetox-2025-es

    Diversos
    Español , Francés , Hindi , Italiano , Ucraniano
    Publicado en 2024
    1,000
    text detoxification

  • DrugTEMIST -2024

    Salud
    Español , Inglés , Italiano
    Publicado en 2024
    1,000
    Informes de casos clínicos
    reconocimiento de entidades nombradas

  • SpRadIE

    Salud
    Español (Argentina)
    Publicado en 2021
    513
    Informes de radiología
    reconocimiento de entidades nombradas

  • SPACCC

    Salud
    Español (Argentina) , Español (Chile) , Español (Spain)
    Publicado en 2018
    684
    Casos clínicos
    procesamiento de abreviaturas

Si has publicado un resultado mejor que los de la lista, envía un mensaje a odesia-comunicacion@lsi.uned.es indicando el resultado y el DOI del artículo, junto con una copia del mismo si no está publicado en abierto.